与验证性因素分析.PPT

* 表 12—6 敬畏順從之內部一致性及分項對總項相關係數 12.8 因素之信度分析 * 一、探索性因素分析(Exploratory Factor Analysis) 主要的使用時機在於針對在一組變數去尋找其潛在的因素架構，以達到減少資料的目的。 二、驗證性因素分析(?Confirmatory Factor Analysis) 當研究者對於資料的因素架構因為有過去研究建議及文獻支持的前提下已有預設立場，他們會透過驗證性因素分析去驗証這些變數是否如同過去研究及文獻所敘述一般，聚集成一個或數個因素。 12.9 探索性因素分析(EFA) 與驗證性因素分析(CFA) * 12.9 探索性因素分析(EFA) 與驗證性因素分析(CFA) 資料結果呈現差異 如表12-7，經由探索性因素分析所形成的因素特徵值往往是一個以上；但在驗證性因素分析，由於我們已將欲萃取之因子數目固定為「1」，因此其特徵值只會有一個，如表12-8所示。另外，在累積解釋變異量也是相同情形。 表12-7 探索性因素分析之因素特徵值與累積解釋變異量 * 12.9 探索性因素分析(EFA) 與驗證性因素分析(CFA) 表12-8 驗證性因素分析之因素特徵值與累積解釋變異量 * 12.9 探索性因素分析(EFA) 與驗證性因素分析(CFA) 事實上，在這兩種因素分析方法之間，資料結果呈現上最大的差異在於探索性因素分析具有轉軸後的成分矩陣，見表12-9。然而驗證性因素分析由於將因子數目固定為1後，將不會有轉軸後成分矩陣產生，取而代之的是「成分矩陣」，見表12-10。 表12-9 探索性因素分析轉軸後成分矩陣 表12-10 驗證性因素分析成分矩陣 第12章　因素分析 　　1. 因素分析的主要概念及目的 　　2. 主成份分析與一般因素分析之差異 　　3. 因素分析轉軸的概念 　　4. 決定因素萃取的個數 　　5. 如何對因素作命名 　　6. 因素得點的作用及計算 7.探索性因素分析與驗証因素分析差異 8.如何進行因素之信度分析 9.因素分析在SPSS軟體之操作說明 * ? 本章的學習主題 ? 12.1 資料分析的架構 相關分析與迴歸分析 變異數分析與多變數分析 典型相關分析 集群與區別分析 線性結構關係模式分析 * 多元尺度分析 聯合分析 層級程序分析 資料包絡分析 當研究者經過資料蒐集之程序，收集許多資料後，首先要進行資料編碼、輸入及資料分析之工作，在行銷領域中最常用之資料分析方法包含下列幾種： 12.1 資料分析的架構 為了能使讀者容易瞭解資料分析之過程，並對於各章節所使用之資料分析方法能前後連貫，本書在各章所用之資料均屬於相同之資料，此資料為作者過去的研究案例。 本案例主要在探討威權、仁慈及德行領導對於敬畏順從、感恩圖報及認同效法之間關係的調和效果，其研究架構如下頁圖所示。 * 12.1 資料分析的架構 * 圖 12—1 研究架構圖 12.2 因素分析的概念 因素分析( factor analysis )屬於多變量分析方法中互依分析方法 ( analysis of interdependence ) 的其中一種技術。 目的是將彼此相關的變數，轉化成為少數有概念化意義的因素。 * * 12.3 因素分析的目的 　因素分析的兩個主要目的： －減少變數 (data reduction) －歸納變數 (summarization) 12.4 因素分析的理論架構 因素分析理論假定個體在變數上之得點，係由二個部分組成，一個是各變數共有的成分，即共同因素(common factor; f i)，另一個是各變數所獨有的成分，即獨特因素(unique factor; εi)。 * 圖 12-1 因素分析路徑圖 f1 f2 ε4 ε3 ε2 ε1 V1 V4 V2 V3 ε5 V5 ε6 V6 12.5 因素分析與主成份分析 主成份分析 主成份分析是將所收集到各量測變數之資料予以歸納，並找出一個最能夠解釋各變數之因素（稱為主要成份因素），主要成份因素找到後即可以依主成份分析為基準再去尋找其餘的因素。 因素分析與主成份分析皆能達成資料簡化的目的，但因素分析其結果經過轉軸，較易使用於往後的解釋及應用。 * 12.6 進行因素分析前資料的檢視 * 檢視資料的相關係數矩陣，相關係數須顯著的大於0.3。 Bartlett的球型檢定(Bartlett test of sphericity)，此種統計檢定主要是用來檢定變數間的相關係數是否顯著，核定結果若p值小於0.05即代表顯著。 取樣適切性量數(KMO)，其值介於0